SQL 中的 Window Function：数据分析优化技巧

Source: Dev.to

大家好，数据和后端的同事们！在使用 SQL 时，大家一定都已经非常熟悉 GROUP BY。虽然功能强大，但 GROUP BY 有一个致命的缺点：它会把行“合并”，导致丢失原始数据每行的细节。

如果老板要求：“把每个订单的详细信息以及当月的总收入放在同一行”，该怎么办？这时 Window Function（窗口函数） 就大显身手了！

1. Window Function 是什么？

Window Function 允许对与当前行相关的一组行（称为“窗口”）进行计算，且不改变返回的行数。

基本结构

为了让 SQL 知道你正在使用 Window Function，必须使用 OVER() 子句。OVER() 中通常包含：

• PARTITION BY – 将数据划分为组（类似 GROUP BY，但不合并行）。
• ORDER BY – 在每个组内对数据进行排序。
• ROWS / RANGE – 定义更窄的窗口框架（例如：仅计算最近 3 行的总和）。

2. 平滑窗口函数类型

A. 聚合窗口函数（Aggregate Window Functions）

仍然是 SUM、AVG、COUNT、MAX、MIN，但与 OVER() 一起使用。

示例：计算全年每日累计收入总额

SELECT
    MaDonHang,
    NgayDatHang,
    TongTien,
    SUM(TongTien) OVER (
        PARTITION BY YEAR(NgayDatHang)
        ORDER BY NgayDatHang
    ) AS TongLuyKeNam
FROM DonHang;

B. 排名窗口函数（Ranking Window Functions）

用于查找“Top N”产品、优秀员工等场景。

示例：对每个类别的畅销产品进行排名

SELECT
    DanhMuc,
    TenSanPham,
    TongSoLuongBan,
    RANK() OVER (
        PARTITION BY DanhMuc
        ORDER BY TongSoLuongBan DESC
    ) AS HangSanPham
FROM SanPhamBanChay;

C. 值窗口函数（Value Window Functions）

获取相对于当前行的前一行或后一行的值——对计算环比、同比等波动非常有用。

• LAG() – 获取前一行的值。
• LEAD() – 获取后一行的值。

示例：比较本月与上月的销售额

SELECT
    Thang,
    DoanhSo,
    LAG(DoanhSo, 1, 0) OVER (ORDER BY Thang) AS DoanhSoThangTruoc,
    DoanhSo - LAG(DoanhSo, 1, 0) OVER (ORDER BY Thang) AS ChenhLech
FROM BaoCaoDoanhSo;

3. 性能优化技巧

• Index 是关键 – 确保在 PARTITION BY 和 ORDER BY 中使用的列已经建立了合适的索引；否则 DB 将不得不手动排序，消耗资源。
• 限制过宽的窗口帧 – 在大数据集上避免使用 UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING，除非确实需要。
• 结合 CTE (WITH ... AS) – 当需要多个复杂的 Window Function 时，使用 CTE 将其拆分，可使代码更易阅读，且 DB 能够更好地优化 Execution Plan。

🎯 总结

与其编写冗长且运行缓慢的子查询，窗口函数提供了简洁的语法和卓越的执行速度。对于数据分析或后端报表处理等工作，这是一项必备技能。

---

进一步探索： 如果想练习 SQL 题目、优化查询或进行数据库设计，欢迎访问博客 ITPrep，立即提升你的技能！

来源参考：ITPrep – 窗口函数在 SQL 中的深度指南*